全球OMI甲醛L3过采样数据集：高空间分辨率与轻量化不确定度

《Scientific Data》：Global OMI HCHO Level-3 oversampling dataset: high spatial resolution and lightweight uncertainty

本研究针对OMI HCHO Level-2数据空间分辨率粗、不确定性高的问题，开发了全球多尺度HCHO过采样数据集OMHCHOS V1.0。通过自主研发的过采样算法，将空间分辨率提升至0.05°（约5公里），并构建时空尺度优化模型（OSTSOM），实现不确定性从原始50-105%降至19%。该数据集涵盖2005-2023年7种空间分辨率和12种时间分辨率，为大气甲醛相关研究提供高精度数据支持。

　　

大气中的甲醛（HCHO）作为一种具有毒性和致癌性的短寿命痕量气体，不仅是臭氧（O₃）形成的关键参与者，还会促进二次有机气溶胶（SOA）的生成。在空气污染控制中，甲醛可作为挥发性有机物（VOCs）的有效示踪剂，其时空分布特征对探究大气成分相互作用机制具有重要意义。然而，当前主流的臭氧监测仪（OMI）发布的HCHO Level-2数据存在空间分辨率较低（13km×24km）、原始不确定性较高（50%-105%）的问题，限制了其在精细化环境监测中的应用。

为解决这一难题，广州大学夏辉、王大康团队在《Scientific Data》上发表了题为"Global OMI HCHO Level-3 oversampling dataset: high spatial resolution and lightweight uncertainty"的研究论文。研究人员利用自主研发的过采样算法，对2005-2023年期间的95782轨OMI HCHO Level-2数据（容量达2.6TB）进行处理，构建了全球多尺度HCHO过采样数据集V1.0（OMHCHOS）。

该研究的核心技术方法包括：基于空间响应函数（SRF）的过采样算法，通过计算网格与卫星像素的叠加面积确定贡献权重；基于线性不确定性传播定律的不确定性传播公式，定量描述不确定性在算法中的演化过程；整合时间分辨率（TR）、空间分辨率（SR）和相对不确定性（UR）三个关键参数的时空尺度优化模型（OSTSOM）；利用MAX-DOAS地面观测数据和GEOS-Chem模型模拟数据进行多维度验证。

研究结果显示，OMHCHOS数据集展现出显著优势：空间分辨率从原始数十公里提升至公里级（0.05°），相对不确定性从原始50-105%显著降低至19%；提供7种空间分辨率（0.05°-1.0°）和12种时间分辨率（1-12个月）的多尺度数据选择；与OMI官方L3产品（OMHCHOms）相比，在不同区域尺度均表现出高度一致性（R=0.69-0.93）；与MAX-DOAS地面数据的验证显示良好相关性（R=0.75），RMSE为3.87×10¹⁵molec/cm²。

技术验证表明，该数据集能准确捕捉全球高低值区的HCHO柱浓度分布特征。高值区主要分布在南美洲中部、非洲中部和东南亚等生物源排放强烈区域，低值区集中在北非、北冰洋和南极洲等地。与GEOS-Chem模拟数据的对比显示，两者在全球尺度上具有较好的一致性（R=0.75），进一步验证了数据集的可靠性。

研究构建的OSTSOM模型为用户提供了高效的数据选择方案。该模型揭示：当空间分辨率超过0.5°时，相对不确定性保持较低水平（一般<0.2）且对时间分辨率不敏感；而对于细于0.5°的空间分辨率，相对不确定性通常较高（>0.2）且受时间分辨率影响显著。基于此，研究提出了针对不同应用场景的数据选择策略建议。

本研究开发的全球OMI HCHO Level-3过采样数据集实现了空间分辨率和数据准确性的显著提升，为大气甲醛相关研究提供了更可靠的数据支撑。数据集的多尺度特性使其既能满足公里级排放源识别需求，又可支持大尺度长期趋势分析。特别是构建的时空尺度优化模型和查询表格，极大便利了用户根据具体研究需求选择最优数据组合。该数据集已被多项空气质量研究成功应用，证明其在VOCs排放监测、臭氧前体物分析等领域的实用价值，为全球大气环境质量评估提供了重要工具。